基于卷积网络与自适应SVM的齿轮箱故障诊断

针对齿轮箱运作过程中故障诊断效果不理想的问题,提出了一种卷积神经网络(CNN)与粒子群优化的支持向量机(PSO-SVM)方法.首先利用特征参量求出信号的时频特征统计量,其次利用卷积神经网络对时频特征统计量进行二次特征提取,最后利用粒子群优化的支持向量机进行分类.经实验验证,此方法准确率不仅高于其他经典网络模型,而且训练...     

粗糙集-BP神经网络组合在PSC选船模型中的应用

本文以欧盟最新港口国监督法令(2009/16/EC)巴黎备忘录目标船选船机制(NIR)为研究对象,提出基于粗糙集和BP神经网络组合算法的PSC的新选船模型。研究结果表明:该算法有效结合粗糙集理论与BP神经网络的优点,属性约简科学合理,避免选择评价因素的主观影响,简化了网络结构。     

贝叶斯与遗传神经网络相融合的柴油机故障诊断研究

利用小波包分解提取缸盖振动信号的特征向量,提出选择因子对改进误差反向传播(BP)神经网络和超1-依赖贝叶斯算法的诊断结果进行融合,克服贝叶斯和神经网络的不足。通过在WD615柴油机上的实验检测,证明了该方法的有效性。     

基于BP神经网络的复杂布局管道泄漏检测研究

对基于BP神经网络的复杂布局管道泄漏检测与定位进行研究,确定实验方案和研究内容,介绍BP神经网络的输入参数、训练目标和隐含层节点个数,阐述基于BP神经网络的复杂管道泄漏检测研究。研究表明：用BP神经网络来预测复杂管道发生泄漏后的泄漏量大小是完全可行的;用其对是否发生泄漏进行状态辨识,则还要进行数据的二次处理;由于训练样本过少,用BP网络进行泄漏定位时会产生较大的误差,建议增加训练样本数,从而提高泄漏定位精度。     

线性神经网络在舰船磁场推算模型中的应用

针对舰艇内外磁场推算问题,从智能优化的角度出发,建立了内外磁场之间的线性神经网络预报模型。该方法避免了利用数值建模存在的诸多困难,可实现舰艇内外磁场有效推算。并利用船模实验验证了网络预测的准确性,其换算精度相较于数值建模有所提高,满足工程实际需求。     

基于神经网络的磁性目标磁矩反演方法

针对磁性目标定位中的磁矩反演问题,提出一种基于神经网络的磁矩反演技术。首先,基于最小二乘原理,建立了磁性目标磁矩反演模型;其次采用Hopfield网络进行了优化求解,并针对模型求解过程中鲁棒性差的弊端,对网络进化策略进行了自适应修正;最后设计了仿真实验对其有效性进行了检验,仿真结果表明利用修正后的网络求解磁矩反演问题结果令人满意,具有一定的实用性。     

一种基于BP神经网络的机动目标跟踪算法

交互式多模型（IMM）算法是一种可以有效跟踪机动目标的滤波算法,针对其跟踪精度和计算量在很大程度上受制于模型选择和转移概率确定的问题,提出了一种利用BP神经网络修正子模型滤波结果的改进IMM算法。仿真实验表明,该方法可以使IMM算法的收敛速度加快,收敛精度提高,改善了跟踪性能,具有一定理论指导意义。     

基于神经网络的MUSIC计算方法

MUSIC方法是空间谱估计中经典的子空间方法,这类算法有个共同特点就是要对输出数据的协方差矩阵进行数学分解,其计算量较大,不适合实时处理。因此,文章提出了基于神经网络的高效迭代方法,不需进行数学分解,计算过程相对简单。仿真结果证明了该方法的有效性。     

基于BP神经网络轻型轿车排放模型的应用

本文利用BP神经网络理论,构造一个预测轻型轿车排放的BP神经网络模型,经验证,预测模型能较好地对一般轻型轿车排放结果进行定性预测,可以作为简易稳态工况法(ASM)尾气检测前的参考,对节约检测成本、提高一次检测通过率有着较高的实用价值;同时以南京市为例,研究了轻型汽油车行驶里程、使用年限等参数对排放的影响,为有针对性的维修治理提供可靠的依据。     

基于LVQ 神经网络的轨道单元状态综合评判方法研究

为了有效利用多种检测数据评判轨道单元的状态,提出利用 LVQ (学习矢量量化)神经网络建立轨道单元特征参数与轨道单元分级的关联模型,通过对 TQI (轨道质量指数)、轨道几何、加速度、晃车仪、添乘仪、人体感觉的超限扣分加权得到轨道单元的量化评分指标,并利用层次分析法确定各特征参数的权系数。根据大量实测数据建立随机样本,利用聚类方法确定轨道单元状态的分级。以轨道单元的量化评分指标作为输入,以聚类得到的表征轨道单元分级的矢量量化数据作为输出,利用误差反向传播方法训练 LVQ 神经网络模型。利用新的评判方法对某线路的轨道单元状态进行评判,结果表明该方法可行、有效,为轨道单元状态综合评判提供了一条新途径。